25 KiB
🌐 Podpora več jezikov
Podprto prek GitHub Action (samodejno in vedno posodobljeno)
French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)
Pridružite se skupnosti
Strojno učenje za začetnike - učni načrt
🌍 Potujte po svetu, medtem ko raziskujete strojno učenje skozi prizmo svetovnih kultur 🌍
Microsoftovi Cloud Advocates z veseljem ponujajo 12-tedenski učni načrt s 26 lekcijami o strojnem učenju. V tem učnem načrtu se boste naučili osnov, ki jih pogosto imenujemo klasično strojno učenje, pri čemer boste večinoma uporabljali knjižnico Scikit-learn in se izognili globokemu učenju, ki je obravnavano v našem učnem načrtu AI za začetnike. Te lekcije lahko združite z našim učnim načrtom 'Podatkovna znanost za začetnike'.
Potujte z nami po svetu, medtem ko uporabljamo te klasične tehnike na podatkih iz različnih delov sveta. Vsaka lekcija vključuje kvize pred in po lekciji, pisna navodila za dokončanje lekcije, rešitev, nalogo in še več. Naš projektno usmerjen pristop vam omogoča učenje skozi ustvarjanje, kar je dokazano učinkovit način za utrjevanje novih veščin.
✍️ Iskrena zahvala našim avtorjem Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu in Amy Boyd
🎨 Zahvala tudi našim ilustratorjem Tomomi Imura, Dasani Madipalli in Jen Looper
🙏 Posebna zahvala 🙏 našim Microsoftovim študentskim ambasadorjem, avtorjem, recenzentom in prispevalcem vsebine, zlasti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila in Snigdha Agarwal
🤩 Dodatna zahvala Microsoftovim študentskim ambasadorjem Eric Wanjau, Jasleen Sondhi in Vidushi Gupta za naše lekcije v R!
Začetek
Sledite tem korakom:
- Forkajte repozitorij: Kliknite gumb "Fork" v zgornjem desnem kotu te strani.
- Klonirajte repozitorij:
git clone https://github.com/microsoft/ML-For-Beginners.git
poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn
Študenti, za uporabo tega učnega načrta forkajte celoten repozitorij v svoj GitHub račun in dokončajte vaje sami ali v skupini:
- Začnite s kvizom pred predavanjem.
- Preberite predavanje in dokončajte aktivnosti, pri čemer se ustavite in razmislite ob vsakem preverjanju znanja.
- Poskusite ustvariti projekte z razumevanjem lekcij, namesto da bi samo zagnali rešitev; vendar je ta koda na voljo v mapah
/solutionv vsaki projektno usmerjeni lekciji. - Opravite kviz po predavanju.
- Dokončajte izziv.
- Dokončajte nalogo.
- Po zaključku skupine lekcij obiščite diskusijsko ploščo in "učite na glas" tako, da izpolnite ustrezno PAT rubriko. 'PAT' je orodje za ocenjevanje napredka, rubrika, ki jo izpolnite za poglobitev svojega učenja. Lahko se odzovete tudi na druge PAT-e, da se učimo skupaj.
Za nadaljnje študije priporočamo, da sledite tem Microsoft Learn modulom in učnim potem.
Učitelji, vključili smo nekaj predlogov o tem, kako uporabiti ta učni načrt.
Video vodiči
Nekatere lekcije so na voljo kot kratki video posnetki. Vse te najdete v lekcijah ali na seznamu predvajanja ML za začetnike na YouTube kanalu Microsoft Developer s klikom na spodnjo sliko.
Spoznajte ekipo
Gif avtorja Mohit Jaisal
🎥 Kliknite zgornjo sliko za video o projektu in ljudeh, ki so ga ustvarili!
Pedagogika
Pri oblikovanju tega učnega načrta smo izbrali dva pedagoška načela: zagotoviti, da je praktično projektno usmerjen in da vključuje pogoste kvize. Poleg tega ima ta učni načrt skupno temo, ki mu daje kohezijo.
Z zagotavljanjem, da vsebina ustreza projektom, je proces bolj privlačen za študente, koncepti pa se bolje ohranijo. Poleg tega nizko-stresni kviz pred predavanjem usmeri pozornost študenta na učenje teme, medtem ko drugi kviz po predavanju zagotavlja dodatno utrjevanje. Ta učni načrt je bil zasnovan tako, da je prilagodljiv in zabaven ter ga je mogoče vzeti v celoti ali delno. Projekti se začnejo majhni in postajajo vse bolj kompleksni do konca 12-tedenskega cikla. Ta učni načrt vključuje tudi dodatek o realnih aplikacijah ML, ki ga je mogoče uporabiti kot dodatne točke ali kot osnovo za razpravo.
Poiščite naš Kodeks ravnanja, Prispevanje in Smernice za prevajanje. Veseli bomo vaših konstruktivnih povratnih informacij!
Vsaka lekcija vključuje
- opcijsko sketchnote
- opcijski dopolnilni video
- video vodič (samo nekatere lekcije)
- kviz za ogrevanje pred predavanjem
- pisno lekcijo
- za projektno usmerjene lekcije, vodnik po korakih za izdelavo projekta
- preverjanje znanja
- izziv
- dopolnilno branje
- nalogo
- kviz po predavanju
Opomba o jezikih: Te lekcije so večinoma napisane v Pythonu, vendar so mnoge na voljo tudi v R. Za dokončanje lekcije v R pojdite v mapo
/solutionin poiščite lekcije v R. Te vključujejo razširitev .rmd, ki predstavlja R Markdown datoteko, ki jo lahko preprosto opišemo kot vdelavokodnih delov(R ali drugih jezikov) inYAML glave(ki usmerja, kako formatirati izhode, kot so PDF) vMarkdown dokumentu. Tako služi kot odličen avtorski okvir za podatkovno znanost, saj vam omogoča kombiniranje kode, njenega izhoda in vaših misli z zapisovanjem v Markdown. Poleg tega je mogoče R Markdown dokumente upodobiti v izhodne formate, kot so PDF, HTML ali Word.
Opomba o kvizih: Vsi kvizi so vsebovani v mapi Quiz App, skupaj 52 kvizov s po tremi vprašanji. Povezani so znotraj lekcij, vendar je aplikacijo za kvize mogoče zagnati lokalno; sledite navodilom v mapi
quiz-appza lokalno gostovanje ali namestitev na Azure.
| Številka lekcije | Tema | Skupina lekcij | Cilji učenja | Povezana lekcija | Avtor |
|---|---|---|---|---|---|
| 01 | Uvod v strojno učenje | Uvod | Spoznajte osnovne koncepte stroja za učenje | Lekcija | Muhammad |
| 02 | Zgodovina stroja za učenje | Uvod | Spoznajte zgodovino tega področja | Lekcija | Jen in Amy |
| 03 | Pravičnost in strojno učenje | Uvod | Katere so pomembne filozofske teme o pravičnosti, ki jih morajo študenti upoštevati pri gradnji in uporabi ML modelov? | Lekcija | Tomomi |
| 04 | Tehnike za strojno učenje | Introduction | Katere tehnike uporabljajo raziskovalci strojnega učenja za gradnjo modelov? | Lesson | Chris in Jen |
| 05 | Uvod v regresijo | Regression | Začnite s Pythonom in Scikit-learn za regresijske modele |
- [Python](2-Regression/1-Tools/README.md)
- [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/2-Data/README.md)
- [R](../../2-Regression/2-Data/solution/R/lesson_2.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/3-Linear/README.md)
- [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)
- Jen in Dmitry
- Eric Wanjau
- [Python](2-Regression/4-Logistic/README.md)
- [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)
- Jen
- Eric Wanjau
- [Python](4-Classification/1-Introduction/README.md)
- [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
- Jen in Cassie
- Eric Wanjau
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Jen in Cassie
- Eric Wanjau
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Jen in Cassie
- Eric Wanjau
- [Python](5-Clustering/1-Visualize/README.md)
- [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
- Jen
- Eric Wanjau
- [Python](5-Clustering/2-K-Means/README.md)
- [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) |
- Jen
- Eric Wanjau
poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn
Dostop brez povezave
To dokumentacijo lahko zaženete brez povezave z uporabo Docsify. Forkajte to repozitorij, namestite Docsify na vaš lokalni računalnik, nato pa v korenski mapi tega repozitorija vnesite
docsify serve. Spletna stran bo na voljo na portu 3000 na vašem lokalnem strežniku:localhost:3000.PDF-ji
Najdite PDF učnega načrta s povezavami tukaj.
🎒 Drugi tečaji
Naša ekipa ustvarja tudi druge tečaje! Oglejte si:
- Generativna AI za začetnike
- Generativna AI za začetnike .NET
- Generativna AI z JavaScript
- Generativna AI z Java
- AI za začetnike
- Podatkovna znanost za začetnike
- Strojno učenje za začetnike
- Kibernetska varnost za začetnike
- Spletni razvoj za začetnike
- IoT za začetnike
- Razvoj XR za začetnike
- Obvladovanje GitHub Copilot za parno programiranje
- Obvladovanje GitHub Copilot za razvijalce C#/.NET
- Izberite svojo Copilot pustolovščino
Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo storitve za strojno prevajanje Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku je treba obravnavati kot avtoritativni vir. Za ključne informacije priporočamo strokovno človeško prevajanje. Ne prevzemamo odgovornosti za morebitna nesporazumevanja ali napačne razlage, ki izhajajo iz uporabe tega prevoda.